Qwen-Image-2.1 Ranking: 29 Bildmodelle im Vergleich mit Zahlen

👁 115 Aufrufe

Der Hersteller von Qwen-Image-2.1 veröffentlichte zur Premiere ein Diagramm, das 29 Bildmodelle vergleicht - offene und geschlossene. Niemand stellte es als Tabelle dar, also haben wir die Zahlen aus dem Diagramm ausgelesen und mit den Modellgrößen verglichen. Das Ergebnis ist interessanter als die bloße Platzierung im Ranking.

Vollständiges Qwen-Image-Bench-Ranking

Zahlen aus dem vom Hersteller veröffentlichten Diagramm ausgelesen. Die Größenspalte ist dort leer, wo der Modellhersteller sie nicht offenlegt - im Diagramm mit einem Schloss gekennzeichnet.

Ein Vorbehalt, den wir klar formulieren müssen: Dies ist ein Benchmark, der vom Hersteller eines der bewerteten Modelle veröffentlicht wurde. Behandeln Sie ihn als Herstellermaterial, denn das ist er. Das bedeutet nicht, dass die Zahlen erfunden sind - es bedeutet, dass die Aufgabenauswahl und die Bewertungsmethode von einer am Ergebnis interessierten Partei gewählt wurden.

Drei Dinge, die erst im Vergleich mit der Größe sichtbar werden

1. Sprung innerhalb der eigenen Familie

Ein fast dreimal kleineres Modell erhält 8,22 Punkte mehr als der direkte Vorgänger. Das ist kein gewöhnliches Update, sondern eine andere Architektur - Single-Stream-Layer, gemischte Aufmerksamkeitsgranularität und Wiederverwendung des Cache-Speichers.

2. Größe ist kein Freifahrtschein mehr für die Spitzengruppe

Hunyuan Image 3.0 hat 80 Milliarden Parameter und ein Ergebnis von 50,81. Qwen-Image-2.1 hat 7 Milliarden und 60,28. Der Unterschied: elfmal so groß zugunsten des Verlierers.

Praktische Konsequenz für jemanden, der Hardware kalkuliert: Das Modell mit dem besseren Ergebnis passt auf eine Consumer-Grafikkarte, das größere benötigt ein Rechenzentrum. Das ist eine Meinung: Für die meisten Anwendungsfälle beendet das die Diskussion darüber, welches man wählen sollte.

3. Geschlossene Modelle führen noch, aber der Vorsprung ist geschmolzen

Zum Spitzenreiter fehlen 6,73 Punkte, zum dritten Platz 3,19. Ein offenes Modell, das sich zu Hause ausführen lässt, liegt heute fünf Punkte hinter der Spitzengruppe, nicht zwanzig. Hinter ihm bleiben dagegen Modelle, für die man pro Bild bezahlt.

Was das Modell in dieser Version erhalten hat

Der Hersteller nennt vier Änderungen:

1. Kompakte Architektur - 32 DiT-Layer, gemischte Aufmerksamkeitsgranularität, Wiederverwendung des Key-Value-Cache bei mehreren Eingabebildern.
2. Native Transparenz - Möglichkeit, im Prompt anzugeben, dass das Bild einen Alphakanal haben soll, sowie Ausschneiden von Objekten aus Fotos als Ebenen. Wir haben das gemessen.
3. Bearbeitung - bis zu zehn Referenzbilder, Markierung des Bearbeitungsbereichs durch Kreis, Übermalen oder Maske, Beibehaltung der Identität von Personen und des Aussehens von Produkten.
4. Texturen und Typografie - besseres Licht bei Porträts und Schriftanordnung unter Berücksichtigung von Schriftart und Komposition.

Dazu Panoramen aus einem einzelnen Foto, Infografiken und Storyboards aus einem Charakterbogen.

Wie wir es selbst getestet haben

Wir haben das Modell lokal auf einer RTX 4090 installiert und sechs Tests durchgeführt. Zwei Erkenntnisse, die in den Herstellermaterialien nicht enthalten sind:

Neonschrift mit dem Text [MARKE], lokal in 2048×2048 generiert - die Schrift kam beim ersten Versuch fehlerfrei heraus.

• Schriftzüge stimmen tatsächlich. Eine Neonschrift mit dem Text [MARKE] in 2048×2048 kam beim ersten Versuch fehlerfrei heraus.
• Anweisungen zum Alter von Personen werden manchmal ignoriert. Die Bitte um ein Porträt einer Frau Anfang dreißig ergab eine deutlich ältere Person - technisch hervorragend, aber nicht der Anweisung entsprechend.

Porträt aus einem Prompt über eine Frau Anfang dreißig. Hauttextur und Licht einwandfrei, Alter der Person deutlich höher als bestellt.

Zeiten, Einstellungen und ein fertiges Skript finden Sie in der Installationsanleitung, und alles haben wir im Leitfaden zum Modell zusammengestellt.

Wie die Ergebnisse in der Praxis aussehen

Ein Ranking ist eine Zahl. Unten drei Bilder aus drei verschiedenen Kategorien, damit Sie sehen, was hinter dieser Zahl steht.

Architektur - die Kategorie, in der das Modell am stärksten abschneidet.

Vorhandenes Licht - das Modell verzichtet auf Kampagnen-Look zugunsten von Reportage.

Vektorillustration - korrekt, aber generisch. Hier sieht man die Grenze.

Häufig gestellte Fragen

Welches Ergebnis hat Qwen-Image-2.1 im Benchmark?

60,28 Punkte im Qwen-Image-Bench, siebter Platz unter 29 verglichenen Modellen.

Ist das das beste offene Bildmodell?

In dieser Zusammenstellung ja - es übertrifft FLUX 2 Max (55,33), Hunyuan Image 3.0 (50,81) und GLM Image (48,19). Beachten Sie, dass das Ranking vom Hersteller stammt.

Wie viele Parameter hat es?

7 Milliarden im bildgenerierenden Teil, in 32 Single-Stream-DiT-Layern.

Welches Modell gewinnt das Ranking?

GPT Image 2.5 Sunburst mit 67,01, vor GPT Image 2 (64,69) und Grok Imagine 2.0 (63,47).

Ist es besser als Nano Banana?

Laut diesem Ranking ja: 60,28 gegenüber 59,82 für Nano Banana 2.0 und 59,45 für Nano Banana Pro. Der Unterschied ist jedoch gering.

// weiterlesenElevenLabs Scribe Test: Transkription auf Deutsch mit ZahlenBenchmarksKI in der Praxis: Echte Fallstudien, Zahlen und KonsequenzenMagazinErfindet Claude Opus 5.5 Zahlen? Test mit Falle für ManagementMagazin

Kinetyra